【技术实现步骤摘要】
本专利技术涉及信号处理，具体是指一种智能化信号处理方法及系统。
技术介绍
1、信号处理方法本质上是通过一系列的数学、算法和技术手段，对信号进行分析、处理和优化，以提取有用信息、去除噪声、增强信号质量或恢复信号。但是一般信号处理方法存在对噪声处理不当，对噪声和信号成分的区分不够细致，及重构信号偏差严重，进而导致对信号监测的准确性低的问题；一般信号处理方法存在对信号筛选不当，无法准确去除噪声成分；忽略信号中的高阶特征，导致信号分类精度低，信号监测效果差的问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种智能化信号处理方法及系统，针对一般信号处理方法存在对噪声处理不当，对噪声和信号成分的区分不够细致，及重构信号偏差严重，进而导致对信号监测的准确性低的问题，本方案引入动态预加重系数和窗口函数进行信号预处理；基于动态滤波调整进行频域分析，使用动态滤波器调整频谱，去除噪声并保留有效信号；通过优化边界条件，提升分解效率并减少误差；进而提升信号监测的准确性；针对一般信号处理方法存在对信号筛选不当，无法准确去除噪声成分；忽略信号中的高阶特征，导致信号分类精度低，信号监测效果差的问题，本方案通过倒谱升值增强高阶特征，提高信号的分类判别力，特别是对微小变化的敏感度；基于设计情境感知滤波器使得特征提取更具针对性和灵活性；基于设计位置更新因子、位置收缩函数和进化步长优化信号分类模型，进而提高信号监测的效果。
2、本专利技术采取的技术方案如下：本专利技术提供的一种智
3、步骤s1：信号采集；
4、步骤s2：信号预处理；
5、步骤s3：频域分析；
6、步骤s4：局部均值分解；
7、步骤s5：掩膜信号处理；
8、步骤s6：特征提取；
9、步骤s7：分类验证；
10、步骤s8：信号监管。
11、进一步地，在步骤s1中，所述信号采集是采集历史电磁信号数据集；所述历史电磁信号数据集包括电磁信号数据和信号质量；所述信号质量包括优质、良好、一般和差。
12、进一步地，在步骤s2中，所述信号预处理是去除噪声并增强电磁信号高频特征；对接收电磁信号进行预加重，表示为：；使用窗口函数分割电磁信号帧；表示为：；；；其中，是经过预加重后的电磁信号；是原始采集的电磁信号；是动态预加重系数；是基础预加重系数；是加重调整因子；是电磁信号的前一个采样点值；t是时间；n1是采样点索引；是加窗调节因子。
13、进一步地，在步骤s3中，所述频域分析是将每帧电磁信号基于快速傅里叶变换从时域转换到频域，计算幅度谱，表示为：；使用三角滤波器将线性频率映射到梅尔频率尺度，表示为：；进行动态滤波器调整，表示为：；；整体滤波响应表示为：；其中，是频域信号的幅度谱；n1是总频率数量；k是频率索引；是快速傅里叶变换；是第m个梅尔频率特征值；log是对数运算；是三角滤波器的频率响应；是动态调整后的滤波器权重；是初始滤波器权重；是sigmoid函数，x是函数变量；是输入信号；是信噪比；是信噪比阈值；是动态滤波器的整体频率响应；n2是滤波器总数；i是滤波器索引；是t时刻滤波器的动态调整权重；是第i个滤波器在第k个频率上的频率响应；是噪声功率谱密度；是噪声最大值；是滤波调节系数。
14、进一步地，在步骤s4中，所述局部均值分解是极值局部均值与幅值计算，表示为：；；滑动平均计算局部均值和幅值，表示：；；；；停止准则值f表示为：；初步重构信号表示为：；其中，是相邻极值点的局部均值反映电磁反映信号的平滑趋势；是相邻极值点的局部幅值，反映电磁信号的振幅变化；和是电磁信号中的相邻极值点；是电磁信号去除局部均值后的结果；是电磁信号的标准化振动成分；是滑动窗口中的局部均值；是滑动窗口中的局部幅值；是t时刻的输入信号；k是滑动窗口的长度；是电磁信号的总采样点数；n是电磁信号的采样点索引；z是当前分解后的误差信号；是信号残差的第n个采样点值；z1是信号残差的均值；是停止准则的阈值；是初步重构后的信号；是本征模态函数；是分解的残余信号j是imf的总数量；p是imf索引；是幅值调节因子。
15、进一步地，在步骤s5中，所述掩膜信号处理是利用希尔伯特变换计算瞬时频率，表示为：；掩膜信号表示为：；对分解后的分量进行筛选，去除噪声并保留有效电磁信号；分量定义表示为：；最终重构的电磁信号表示为：；其中，是t时刻的瞬时频率；是电磁信号的相位函数；是分量的瞬时幅值；是筛选后的有效模态分量；和分别是正频率和负频率部分的分量信号；n3是筛选出的有效模态分量的数量，i3是对应索引；是筛选后的模态分量。
16、进一步地，在步骤s6中，所述特征提取是对功率谱取对数，表示为：；对功率谱对数进行傅里叶逆变换，得到倒谱系数，表示为：；进行倒谱升值，增强倒谱系数中的高阶特征，表示为：；引入情境感知滤波器，表示为：；；调整后的倒谱系数表示为：；；其中，是信号的功率谱；是信号的频谱；是倒谱系数；是傅里叶逆变换；是经升值后的倒谱系数；是倒谱系数的原始值；n2是倒谱系数的阶次；l是升值长度；是情境感知滤波器的频率响应；是衰减系数；d是调节参数；exp(·)是指数函数；是调整后的倒谱系数；是基础衰减系数；是衰减调节因子；f是当前频率；是中心频率；是0到1的随机数，每次独立；是基础调节参数；是调制幅度控制因子。
17、进一步地，在步骤s7中，所述分类验证是基于多类svm对进行处理后的电磁信号数据进行分类，构建信号分类模型；并进行信号分类模型优化；具体包括：
18、步骤s71：基于加重调整因子、调节参数、滤波调节系数、加窗调节因子、衰减调节因子、调制幅度控制因子、幅值调节因子、多类svm中的核函数和惩罚参数建立参数优化空间，并初始化优化种群中个体位置，将基于个体位置得到的分类正确率作为个体适应度值；个体位置初始化表示为：；其中，和分别是第o+1个个体和第o个个体初始化的位置；p是控制参数；
19、步骤s72：个体位置更新表示为：
20、；
21、；
22、；
23、；
24、其中，个体第c维度的迭代位置，t是迭代次数，tmax是最大迭代次数；是全局最优解；是修正参数；是位置更新因子；是位置收缩函数；rand是0到1的随机数；是种群中随机个体位置；是进化步长；是与全局最优解的差异百分比；是调节因子；是最小权重；是扰动因子；是控制因子；是收敛项；是最大开发因子；是种群当前分布的方差；是种群初始分布的最大方差；是梯度调节因子；是适应度值梯度；
25、步骤s73：预先设有适应度阈值，当存在个体适应度值高于适应度阈值，则优化完整，基于个体位置得到建立完成的信号分类模型；若达到最大迭代次数则返回步骤s71；否则继续进行位置迭代。
26、进一步地，在步骤s8中，所述信号监管是基于建立完成的信号分类模型，实时采集电磁信号，经步骤s2本文档来自技高网...
【技术保护点】
1.一种智能化信号处理方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种智能化信号处理方法，其特征在于：在步骤S3中，所述频域分析是将每帧电磁信号基于快速傅里叶变换从时域转换到频域，计算幅度谱，表示为：；使用三角滤波器将线性频率映射到梅尔频率尺度，表示为：；进行动态滤波器调整，表示为：；；整体滤波响应表示为：；其中，是频域信号的幅度谱；N1是总频率数量；k是频率索引；是快速傅里叶变换；是第m个梅尔频率特征值；log是对数运算；是三角滤波器的频率响应；是动态调整后的滤波器权重；是初始滤波器权重；是Sigmoid函数，x是函数变量；是输入信号；是信噪比；是信噪比阈值；是动态滤波器的整体频率响应；N2是滤波器总数；i是滤波器索引；是t时刻滤波器的动态调整权重；是第i个滤波器在第k个频率上的频率响应；是噪声功率谱密度；是噪声最大值；是滤波调节系数。
3.根据权利要求2所述的一种智能化信号处理方法，其特征在于：在步骤S4中，所述局部均值分解是极值局部均值与幅值计算，表示为：；；滑动平均计算局部均值和幅值，表示：；；；；停止准则值f表示为：；初步重构
4.根据权利要求3所述的一种智能化信号处理方法，其特征在于：在步骤S32中，在步骤S5中，所述掩膜信号处理是利用希尔伯特变换计算瞬时频率，表示为：；掩膜信号表示为：；对分解后的分量进行筛选，去除噪声并保留有效电磁信号；分量定义表示为：；最终重构的电磁信号表示为：；其中，是t时刻的瞬时频率；是电磁信号的相位函数；是分量的瞬时幅值；是筛选后的有效模态分量；和分别是正频率和负频率部分的分量信号；n3是筛选出的有效模态分量的数量，i3是对应索引；是筛选后的模态分量。
5.根据权利要求4所述的一种智能化信号处理方法，其特征在于：在步骤S6中，所述特征提取是对功率谱取对数，表示为：；对功率谱对数进行傅里叶逆变换，得到倒谱系数，表示为：；进行倒谱升值，增强倒谱系数中的高阶特征，表示为：；引入情境感知滤波器，表示为：；；调整后的倒谱系数表示为：；；其中，是信号的功率谱；是信号的频谱；是倒谱系数；是傅里叶逆变换；是经升值后的倒谱系数；是倒谱系数的原始值；n2是倒谱系数的阶次；L是升值长度；是情境感知滤波器的频率响应；是衰减系数；d是调节参数；exp(·)是指数函数；是调整后的倒谱系数；是基础衰减系数；是衰减调节因子；f是当前频率；是中心频率；是0到1的随机数，每次独立；是基础调节参数；是调制幅度控制因子。
6.根据权利要求1所述的一种智能化信号处理方法，其特征在于：在步骤S7中，所述分类验证是基于多类SVM对进行处理后的电磁信号数据进行分类，构建信号分类模型；并进行信号分类模型优化；具体包括：
7.根据权利要求6所述的一种智能化信号处理方法，其特征在于：在步骤S1中，所述信号采集是采集历史电磁信号数据集；所述历史电磁信号数据集包括电磁信号数据和信号质量；所述信号质量包括优质、良好、一般和差。
8.根据权利要求7所述的一种智能化信号处理方法，其特征在于：在步骤S8中，所述信号监管是基于建立完成的信号分类模型，实时采集电磁信号，经步骤S2到步骤S6处理后基于信号分类模型进行分类处理，对信号质量一般的信号进行标记，当质量降低为差时进行预警；对直接分类为差的信号进行预警，并通知相关人员进行检查和维护。
9.一种智能化信号处理系统，用于实现如权利要求1-8中任一项所述的一种智能化信号处理方法，其特征在于：包括信号采集模块、信号预处理模块、频域分析模块、局部均值分解模块、掩膜信号处理模块、特征提取模块、分类验证模块和信号监管模块；
...【技术特征摘要】
1.一种智能化信号处理方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种智能化信号处理方法，其特征在于：在步骤s3中，所述频域分析是将每帧电磁信号基于快速傅里叶变换从时域转换到频域，计算幅度谱，表示为：；使用三角滤波器将线性频率映射到梅尔频率尺度，表示为：；进行动态滤波器调整，表示为：；；整体滤波响应表示为：；其中，是频域信号的幅度谱；n1是总频率数量；k是频率索引；是快速傅里叶变换；是第m个梅尔频率特征值；log是对数运算；是三角滤波器的频率响应；是动态调整后的滤波器权重；是初始滤波器权重；是sigmoid函数，x是函数变量；是输入信号；是信噪比；是信噪比阈值；是动态滤波器的整体频率响应；n2是滤波器总数；i是滤波器索引；是t时刻滤波器的动态调整权重；是第i个滤波器在第k个频率上的频率响应；是噪声功率谱密度；是噪声最大值；是滤波调节系数。
3.根据权利要求2所述的一种智能化信号处理方法，其特征在于：在步骤s4中，所述局部均值分解是极值局部均值与幅值计算，表示为：；；滑动平均计算局部均值和幅值，表示：；；；；停止准则值f表示为：；初步重构信号表示为：；其中，是相邻极值点的局部均值反映电磁反映信号的平滑趋势；是相邻极值点的局部幅值，反映电磁信号的振幅变化；和是电磁信号中的相邻极值点；是电磁信号去除局部均值后的结果；是电磁信号的标准化振动成分；是滑动窗口中的局部均值；是滑动窗口中的局部幅值；是t时刻的输入信号；k是滑动窗口的长度；是电磁信号的总采样点数；n是电磁信号的采样点索引；z是当前分解后的误差信号；是信号残差的第n个采样点值；z1是信号残差的均值；是停止准则的阈值；是初步重构后的信号；是本征模态函数；是分解的残余信号j是imf的总数量；p是imf索引；是幅值调节因子。
4.根据权利要求3所述的一种智能化信号处理方法，其特征在于：在步骤s32中，在步骤s5中，所述掩膜信号处理是利用希尔伯特变换计算瞬时频率，表示为：；掩膜信号表示为：；对分解后的分量进行筛选，去除噪声并保留有效电磁信号；分量定义表示为：；最终重构的电磁信号表示为：；其中，是t...
【专利技术属性】
技术研发人员：巩正轩，
申请(专利权)人：北京欣智恒科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。